买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：长沙超创电子科技有限公司

摘要：本发明公开了一种图像自适应增强与去湍流方法和系统，方法包括：S1：输入湍流干扰图像作为原始图像，并对原始图像进行预处理，获得预处理后的图像；S2：对预处理后的图像中的湍流特征进行检测，提取受到湍流影响的区域；S3：对受到湍流影响的区域进行增强；S4：基于深度卷积神经网络构建去湍流网络；S5：设定损失函数并对去湍流网络进行训练，将湍流干扰图像按照步骤S1至S3处理后输入训练完成的去湍流网络，获得去湍流的结果图像。本发明能够通过一系列精细的预处理步骤和深度学习技术，显著提升图像在湍流条件下的清晰度和保真度。

主权项：1.一种图像自适应增强与去湍流方法，其特征在于，包括以下步骤：S1：输入湍流干扰图像作为原始图像，并对原始图像进行预处理，获得预处理后的图像；S2：对预处理后的图像中的湍流特征进行检测，提取受到湍流影响的区域；S3：对受到湍流影响的区域进行增强；所述步骤S3中，包括以下步骤：S31：构建稀疏字典：在预处理后的图像中选取未受湍流影响的区域，构建像素块的字典；基于稀疏理论，将受到湍流影响的区域内的每个像素块表示为字典元素的稀疏矩阵；S32：稀疏编码求解：对于中的每个像素块，求解稀疏向量，使得像素块可以被字典线性组合最佳逼近，具体为： ；其中，为以为中心范围内的像素组成的像素块；为在以字典为基础的稀疏向量； 通过最小化如下损失进行求解： ；其中，为最小值函数；为正则化参数；用于计算2范数；用于计算1范数；S33：像素块修复：利用求解得到的稀疏向量，从字典中重建受到湍流影响的区域的像素块，得到修复后的像素块，并替换预处理后的图像中对应的像素块，获得增强的图像；S4：基于深度卷积神经网络构建去湍流网络；所述步骤S4中，包括以下步骤：对深度卷积神经网络U-Net架构进行改进，得到去湍流网络，所述改进为对U-Net中的卷积操作之后得到的特征图添加动态滤波器，具体为：S41：动态滤波器生成：将一个可学习的卷积层应用到上，生成位置敏感权重，具体为： ；其中，，、和分别为的高度、宽度和通道数，为动态滤波器尺寸；将拆分为个维的向量，每个向量对应于中的一个位置，并用于构造一个的局部滤波器，为维的实数集，具体为： ；其中，为中第个向量；S42：动态卷积操作：对于中的每个像素位置，应用对应的动态滤波器进行卷积操作，具体为： ；其中，为在位置的滤波结果；为在以位置为中心，窗口内位置的值；为在位置的值；S5：设定损失函数并对去湍流网络进行训练，将湍流干扰图像按照步骤S1至S3处理后输入训练完成的去湍流网络，获得去湍流的结果图像。

全文数据：

权利要求：

百度查询： 长沙超创电子科技有限公司 一种图像自适应增强与去湍流方法和系统